datax elasticsearchwriter 使用

2022-07-14
浏览 (2130)

DataX ElasticSearchWriter

1 快速介绍

数据导入elasticsearch的插件

2 实现原理

使用elasticsearch的rest api接口，批量把从reader读入的数据写入elasticsearch

3 功能说明

3.1 配置样例

job.json

{
  "job": {
    "setting": {
        "speed": {
            "channel": 1
        }
    },
    "content": [
      {
        "reader": {
          ...
        },
        "writer": {
          "name": "elasticsearchwriter",
          "parameter": {
            "endpoint": "http://xxx:9999",
            "accessId": "xxxx",
            "accessKey": "xxxx",
            "index": "test-1",
            "type": "default",
            "cleanup": true,
            "settings": {"index" :{"number_of_shards": 1, "number_of_replicas": 0}},
            "discovery": false,
            "batchSize": 1000,
            "splitter": ",",
            "column": [
              {"name": "pk", "type": "id"},
              { "name": "col_ip","type": "ip" },
              { "name": "col_double","type": "double" },
              { "name": "col_long","type": "long" },
              { "name": "col_integer","type": "integer" },
              { "name": "col_keyword", "type": "keyword" },
              { "name": "col_text", "type": "text", "analyzer": "ik_max_word"},
              { "name": "col_geo_point", "type": "geo_point" },
              { "name": "col_date", "type": "date", "format": "yyyy-MM-dd HH:mm:ss"},
              { "name": "col_nested1", "type": "nested" },
              { "name": "col_nested2", "type": "nested" },
              { "name": "col_object1", "type": "object" },
              { "name": "col_object2", "type": "object" },
              { "name": "col_integer_array", "type":"integer", "array":true},
              { "name": "col_geo_shape", "type":"geo_shape", "tree": "quadtree", "precision": "10m"}
            ]
          }
        }
      }
    ]
  }
}

3.2 参数说明

endpoint
- 描述：ElasticSearch的连接地址
- 必选：是
- 默认值：无
accessId
- 描述：http auth中的user
- 必选：否
- 默认值：空
accessKey
- 描述：http auth中的password
- 必选：否
- 默认值：空
index
- 描述：elasticsearch中的index名
- 必选：是
- 默认值：无
type
- 描述：elasticsearch中index的type名
- 必选：否
- 默认值：index名
cleanup
- 描述：是否删除原表
- 必选：否
- 默认值：false
batchSize
- 描述：每次批量数据的条数
- 必选：否
- 默认值：1000
trySize
- 描述：失败后重试的次数
- 必选：否
- 默认值：30
timeout
- 描述：客户端超时时间
- 必选：否
- 默认值：600000
discovery
- 描述：启用节点发现将(轮询)并定期更新客户机中的服务器列表。
- 必选：否
- 默认值：false
compression
- 描述：http请求，开启压缩
- 必选：否
- 默认值：true
multiThread
- 描述：http请求，是否有多线程
- 必选：否
- 默认值：true
ignoreWriteError
- 描述：忽略写入错误，不重试，继续写入
- 必选：否
- 默认值：false
ignoreParseError
- 描述：忽略解析数据格式错误，继续写入
- 必选：否
- 默认值：true
alias
- 描述：数据导入完成后写入别名
- 必选：否
- 默认值：无
aliasMode
- 描述：数据导入完成后增加别名的模式，append(增加模式), exclusive(只留这一个)
- 必选：否
- 默认值：append
settings
- 描述：创建index时候的settings, 与elasticsearch官方相同
- 必选：否
- 默认值：无
splitter
- 描述：如果插入数据是array，就使用指定分隔符
- 必选：否
- 默认值：-,-
column
- 描述：elasticsearch所支持的字段类型，样例中包含了全部
- 必选：是
dynamic
- 描述: 不使用datax的mappings，使用es自己的自动mappings
- 必选: 否
- 默认值: false

4 性能报告

4.1 环境准备

总数据量 1kw条数据, 每条0.1kb
1个shard, 0个replica
不加id，这样默认是append_only模式，不检查版本，插入速度会有20%左右的提升

4.1.1 输入数据类型(streamreader)

{"value": "1.1.1.1", "type": "string"},
{"value": 19890604.0, "type": "double"},
{"value": 19890604, "type": "long"},
{"value": 19890604, "type": "long"},
{"value": "hello world", "type": "string"},
{"value": "hello world", "type": "string"},
{"value": "41.12,-71.34", "type": "string"},
{"value": "2017-05-25", "type": "string"},

4.1.2 输出数据类型(eswriter)

{ "name": "col_ip","type": "ip" },
{ "name": "col_double","type": "double" },
{ "name": "col_long","type": "long" },
{ "name": "col_integer","type": "integer" },
{ "name": "col_keyword", "type": "keyword" },
{ "name": "col_text", "type": "text"},
{ "name": "col_geo_point", "type": "geo_point" },
{ "name": "col_date", "type": "date"}

4.1.2 机器参数

cpu: 32 Intel® Xeon® CPU E5-2650 v2 @ 2.60GHz
mem: 128G
net: 千兆双网卡

4.1.3 DataX jvm 参数

-Xms1024m -Xmx1024m -XX:+HeapDumpOnOutOfMemoryError

4.2 测试报告

通道数	批量提交行数	DataX速度(Rec/s)	DataX流量(MB/s)
4	256	11013	0.828
4	1024	19417	1.43
4	4096	23923	1.76
4	8172	24449	1.80
8	256	21459	1.58
8	1024	37037	2.72
8	4096	45454	3.34
8	8172	45871	3.37
16	1024	67567	4.96
16	4096	78125	5.74
16	8172	77519	5.69
32	1024	94339	6.93
32	4096	96153	7.06
64	1024	91743	6.74